基于粗糙集的船舶主机轴系故障诊断

船舶主机轴系的故障诊断对船舶正常航运具有重要意义.将粗糙集理论应用到船舶主机轴系故障诊断中,建立了基于粗糙集的船舶主机轴系故障诊断模型.采用NaiveScaler方法对故障数据离散化处理,利用基于属性重要度的启发式算法进行属性约简,获取故障诊断相关规则.算例验证了该模型的有效性.     

粗糙集和贝叶斯网络融合故障诊断方法

融合贝叶斯网络和粗糙集对不确定故障诊断的优势,以及粗糙集对冗余信息的处理能力,给出了一种粗糙集和贝叶斯网络进行融合的装备故障诊断方法,获得最小属性集的贝叶斯网络故障诊断模型及诊断规则,并应用于某型机载电台装备中进行验证,结果表明该方法不仅有效,而且得到的诊断规则也比单纯应用贝叶斯网络要优。     

一种粗糙集与DSmT融合故障诊断方法

粗糙集和证据理论对处理不确定信息极具优势,结合二者所长,提出一种融合两种算法的故障诊断方法。首先,通过粗糙集理论对冗余的条件属性进行必要约简,然后对约简后的条件属性计算基本概率赋值和规格化并进行DSmT合成,最后将以上方法应用在关于某型装备故障诊断中验证其有效性。     

粗糙集理论在装备故障诊断中的应用

针对目前部队的装备故障诊断能力较弱的现状,通过几种故障诊断方法的比较,选取出粗糙集作为装备故障诊断方法,从而对已得到的装备状态的测试数据进行分析,利用粗糙集的约简算法消除冗余信息,利用决策表的形式从不完备的、不精确的测试数据中导出诊断规则,并应用于某型电台装备中进行故障诊断。结果表明,诊断结果快速准确,为今后进一步研究粗糙集算法在故障诊断中应用提供了依据。     

基于粗糙理论船用雷达故障诊断专家系统研究

在专家系统中如何获取知识是其主要的难点问题之一,本文利用粗糙集理论建立专家系统模型,对决策表中的冗余信息进行删除,利用约简处理的最小决策表进行故障诊断。最后进行实例分析,通过实例结果可以看出,删除冗余信息的决策表能够保证故障诊断的准确率,有效的维护知识库的完整性。     

基于粗糙集知识建模的船舶焊接生产设计方法

知识获取是船舶焊接生产设计智能系统构建中的一个瓶颈问题。本文提出一种基于粗糙集理论的知识建模方法,该方法包括数据采集、顸处理、模型约简、模型推理等四个方面。通过属性约简、值约简和规则约简三个步骤,可从系统运行的经验数据中自动提取出一个精简的知识模型。针对模型推理中存在的规则匹配冲突问题,提出一种基于属性重要性的推理算法。以焊接位置、焊接方法、焊接材料、焊接设备等焊接工艺决策为例,介绍RS建模在船体焊接生产设计中的应用。     

基于粗糙集和 SVM 理论的柴油机故障分类预测诊断

文中利用粗糙集和 SVM 理论相结合的方法对柴油机故障进行快速准确分类预测诊断。首先对收集的故障特征数据进行预处理,再运用粗糙集理论进行属性约简得到最优决策属性表,然后使用 SVM 理论中的分类预测规则对最优决策属性表进行诊断分类,得出诊断结果。通过实例分析验证了该诊断方法优于单一的粗糙集诊断和 SVM 诊断。     

基于粗糙集理论的舰船电子设备状态预测方法研究

针对舰船电子设备使用环境复杂的特点,采用粗糙集理论对其状态进行预测。通过分析设备正常运行的历史数据完成信息系统的初始化,利用粗糙集理论对初始化后的数据进行属性约简并得出决策规则。最后把经过初始化的实时数据带入决策规则中来完成对设备的状态预测。     

广义不完备序值系统中的优势关系粗糙集

为了使用优势关系粗糙集处理同时具有丢失型和遗漏型未知属性值的广义不完备序值系统,提出了特征优势关系的概念,并且在广义不完备序值决策系统中引入近似分布约简,提出了4种新的近似分布约简形式,为从复杂的不完备系统中获取规则提供了理论基础与操作手段.结果表明基于特征优势关系粗糙集模型能有效地处理具有2种未知属性值的广义不完备系...     

基于粗集的电台识别决策表最小约简算法

简要介绍了粗糙集理论中区分矩阵算法和HORAFA算法在知识约简中的应用.通过约简算法仿真,突出强调了HORAFA算法在通信电台识别决策表最小属性约简中的优点.     

压缩机组故障诊断专家系统设计

压缩机组是舰船和潜艇装备中一个关键设备.在故障诊断技术发展初期,由于思想认识和经济上的原因,通常仅对压缩机组进行监测和诊断.文章从信号的获取、知识库的建立、推理机设计和解释器设计四个方面阐述了针对某舰船压缩机组故障诊断系统(FDS系统--Fault Diagnosis System)的设计方法.该诊断系统以模糊诊断原理为依据建立知识库和推理机,用PROLOG语言编程.     

基于B/S和C/S架构的船舶动力装置远程故障诊断系统

依据“智能船舶”的理念，针对船舶动力装置故障诊断系统，提出一种基于C/S和B/S混合架构的船舶动力装置远程故障诊断系统。依据B/S和C/S架构的优势，开发了基于C/S架构的数据管理平台，实现了船、岸间的数据、信息交互；将基于模糊神经网络的专家诊断模型应用于B/S架构的岸基船舶动力装置故障诊断系统的故障诊断判别，并利用BP算法训练实例对该模型进行了精度验证。结果表明，系统稳定可靠，故障诊断准确性高，为“智能船舶”发展提供了一个良好的解决方案。     

基于变精度粗糙集的故障特征选择方法

粗糙集理论是近年来发展起来的一种有效处理不确定、不精确问题的新型数学工具。文章阐述了传统Pawlak粗糙集的核心内容,并介绍了变精度粗糙集的基本概念。从信息论观点出发,提出了基于变精度粗糙集的信息表属性约简方法,并验证了将该方法应用于故障特征选择的可行性。柴油机的实际诊断结果表明,该方法节省了硬件费用,改善了运算效能。     

基于知识融合的船舶能耗决策支持系统

在建立船舶能耗评价模型基础上,针对能耗影响因素众多,提出了基于知识融合的船舶能耗决策支持系统的研究。以船舶能耗为对象,应用系统辨识理论,建立重点设备能耗模型库;以方法、经验和案例为基础,建立船舶能耗知识库;融合模型库、知识库、关系数据库等多源知识,建立船舶能耗评价与决策支持系统。以实现船舶航运管理、船舶操纵控制、航线设计以及船舶设计等各个过程的决策支持。     

基于LabVIEW的船舶柴油机不同工况下的机身振动信号分析

机身振动信号对船舶柴油机故障的识别具有重要作用,可为故障的分析提供重要的参数,因此编写了基于LabVIEW的柴油机振动信号的采集与分析系统,应用搭建的平台在正常工况和几种典型的故障模式下进行振动信号的采集与分析试验。从采集到的状态信号中提取与设备故障密切相关的机身振动信号进行时域、频域和幅值域的分析,同时通过各特征参数的分析对柴油机进行简单有效的故障诊断与识别,并根据计算得出的特征值的变化趋势来分析确定信号中故障的发生与发展,及时对故障作出分析诊断。这对保证船舶安全航行以及对设备实行预知维护都具有十分重要的意义。     

Fault diagnosis of marine diesel engine intake and exhaust system based on dynamic feature fusion北大核心CSCD

[目的]船舶系统由多设备的复杂机构组成,各组件参数具有动态性和非线性的特点,所以故障诊断过程复杂。为提高诊断效率,提出一种动态特征融合方法。[方法]利用分形理论、动态理论及核主元分析(KPCA)法对系统状态数据进行重构、映射及筛选,得到主元特征数据矩阵,求得平方预测误差(SPE)及相应的控制限,构建出基于船舶柴油机进排气系统健康数据的离线监测模型,利用该模型对系统进行故障诊断分析。为验证模型的有效性,选取某船舶柴油机进排气系统的故障数据进行验证分析。[结果]结果表明,动态特征融合分析方法可有效实现对系统动态非线性状态数据的精确分析,实现对系统故障的高效分析和诊断。与KPCA及支持向量机(SVM)方法相比,所提方法具有更好的故障诊断性能。[结论]该方法可实现船舶柴油机进排气系统故障的检测和诊断,提升系统运行的可靠性和安全性。     

基于T-S模糊模型的船舶推进系统故障诊断研究

基于船舶推进系统基准(SPSB)测试平台,建立了船舶推进控制系统的T-S模糊模型,结合满意控制理论,通过模糊化与反模糊化将船舶推进系统分成多个局部子系统,给出了各局部子系统在执行器恒偏差故障下,满足多个性能指标约束的故障诊断观测器设计方法。利用Simulink工具箱建立了仿真模型,验证了船舶推进控制系统多性能指标约束下故障诊断观测器的正确性与有效性,为船舶推进系统的故障诊断提供了新的思路。